原文：http://blog.csdn.net/GarfieldEr007/article/details/51025323?locationNum=2
本文中，我會(huì)根據(jù)下大家image classification常用的cnn模型，針對(duì)cifar10（for 物體識(shí)別），mnist（for 字符識(shí)別）& ImageNet（for 物體識(shí)別）做一個(gè)model 總結(jié)。
好，本文就從數(shù)據(jù)集說起，對(duì)數(shù)據(jù)集不熟悉的小伙伴請(qǐng)先去了解下這3個(gè)數(shù)據(jù)集，下面我們針對(duì)每個(gè)數(shù)據(jù)集畫出其通用模型。
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
1.?Cifar10
60000張32*32彩色圖，10類，每類5000張用于training，1000張用于testing，通常做object recognition／classification。
模型：（上面寫的數(shù)字是該層節(jié)點(diǎn)數(shù)）
2.?Mnist
黑白圖，手寫體，60000training，10000testing，已做好croping，28*28，用作classification。
LeNet模型：
3.?ImageNet
10w類，每類約1000張彩色圖的大規(guī)模數(shù)據(jù)集 ,需要注冊(cè)下載。從10年起每年都有imagenet的競(jìng)賽，分為detection, classification & localization. 14年的比賽結(jié)果和方法見這里。
3.1 2012 AlexNet
模型：
但是里面細(xì)節(jié)我一直沒搞過，今天就任性了一把，把每一層列出來了大小及其對(duì)應(yīng)操作。自認(rèn)為看上去不如上圖清晰，但是會(huì)對(duì)每一步的操作有更加深入的了解。。。
此圖從下往上看，最下方是輸入data（注意上圖中224是錯(cuò)的，這里crop后的image實(shí)際上是227*227的）。
PS: crop 為將圖片進(jìn)行四個(gè)邊界crop＋中心crop
每一層data格式（batch size, # feature map, height of feature, width of feature）
每一次convolution（conv）的格式（＃output feature，＃conv feature map，kernel height，kernel width）
這里我們看到了最后fc8（第8層，fully connect）接的是LABEL，這是一個(gè)loss層，多類分類，采用softmax loss做為loss function。這是訓(xùn)練時(shí)候優(yōu)化參數(shù)定的，那測(cè)試的時(shí)候怎么搞？
——
測(cè)試的時(shí)候，最后的特征fc8接一層probability，返回類型為softmax的概率，哪個(gè)最高結(jié)果就評(píng)定為哪一類。
如果做全局系統(tǒng)測(cè)評(píng)，可以再在后面加一層accuracy層，返回類型為ACCURACY.
3.2 2014?GoogLeNet
2014 ImageNet classification & Detection的冠軍，22層網(wǎng)絡(luò)。。。給跪了，感興趣的同學(xué)去看paper里的結(jié)構(gòu)吧，這里我截圖截不下來了。。。
另外，給幾個(gè)參考：
1. 初學(xué)者玩玩：可以用在線ConvNet試一下
2.?DIY Deep learning Architecture
3. 其實(shí)最好的reference還是paper ＋ code啦，上面的architecture可以參考caffe中example／imagenet的prototxt。
from:?http://blog.csdn.net/abcjennifer/article/details/42493493
